Geri Dön

BIST100 endeksinin günlük modellenmesi

Daily modeling of the BIST100 (XU100) index

  1. Tez No: 533965
  2. Yazar: ZÜBEYİR AKTÜRK
  3. Danışmanlar: PROF. DR. ERDAL KILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Destek Vektör Regresyonu, Karar Ağaçları, Rassal Ormanlar, Çoklu Doğrusal Regresyon, Polinom Regresyon, BIST100, Borsa Değer Tahmini, Borsa Yön Tahmini, Karma Tahminleme, Gerçek Zamanlı Tahminleme, Support Vector Regression, Decision Tree, Random Forest, Multiple Linear Regression, Polynomial Regression, BIST100, Stock Market Value Prediction, Stock Market Direction Prediction, Hybrid Estimation, Real-Time Prediction
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Finansal işlemlerin artışı ile birlikte günümüzde piyasalardaki rekâbet küresel bir ölçeğe taşınmış ve bu durum ekonomik karar birimlerini tüm yönleriyle etkilemiştir. Hükümetlerin para ve maliye politikalarını yürüten kurumlar, bankalar, aracı kurumlar, firmalar, yatırımcılar ve tasarruf sahipleri gelecekteki muhtemel risk ve getirilerin hesaplanabilmesi için ekonomik ve finansal göstergelerin doğru tahminine ihtiyaç duymaktadır. Finansal tahminleme çalışmalarının genelde iki eksende toplandığı görülmektedir. 1. eksen endeks değer tahmini iken 2. eksen endeks yön tahmini olmaktadır. Finansal tahminlemelerde yapay zeka tekniklerinin ön plana çıktığı lojistik regresyon, çoklu doğrusal regresyon, polinom regresyon, karar ağaçları, rassal ormanlar, destek vektör makineleri, yapay sinir ağları, bulanık mantık, bulanık sinir ağları ve genetik algoritmaların sıklıkla kullanıldığı gözlemlenmektedir. Endeks değer ve yön tahminlerinin yatırımcıların karar alma süreçlerine anlamlı katkı sağlayacak hassasiyette olması gerekmektedir. Yukarıda belirtilen ihtiyaçlar doğrultusunda, bu yüksek lisans tez çalışmasında hisse senedi piyasasının genel bir göstergesi olan BIST100 endeksinin bir gün sonraki kapanış fiyatı ve yönü tahminlenmiştir. BIST100'e ait 5 değişken, bu değişkenlerden üretilen 46 teknik gösterge ve 4 temel gösterge ile Destek Vektör Regresyonu, Karar Ağaçları, Rassal Ormanlar, Çoklu Doğrusal Regresyon ve Polinom Regresyon yöntemleri kullanılarak BIST100 endeksinin bir gün sonraki kapanış fiyatını ve yönünü tahminleyen bir uygulama geliştirilmiş, ardından söz konusu yöntemlerden karma yöntem çıkarılmış ve son olarak çıkarılan karma yöntem gerçek zamanlı verilerle uygulanarak performansı gerçek zamanlı değerlendirilmiştir. Modeller, orjinal veri setine ek olarak 7 günlük basit ortalaması alınmış veri seti ile de makine öğrenmesine tabi tutulmuş, verideki gürültü miktarı azaltılmıştır. İki yaklaşımın entegrasyonu karma modelin başarısını artırmış ve 0.993951 R2 değerine ulaşılmıştır. 12.11.2018-07.12.2019 tarihlerinde uygulanan gerçek zamanlı tahminlemede ise 18 günün 15'inde BIST100'ün yönü doğru tahminlenmiştir.

Özet (Çeviri)

With the increase in financial transactions, the competition in the markets has moved to a global scale which has affected the economic decision-making units in all aspects. The institutionsof governments that require monetary and fiscal policies, banks, intermediary institutions, firms, investors and savings holders need accurate estimations of economic and financial indicators to calculate the possible risks and rewards of the future. It is seen that financial prediction studies are generally collected in two axes. The first axis is index value prediction while the second axis is index direction prediction. Logistic regression, multiple linear regression, polynomial regression, decision trees, random forests, support vector machines, artificial neural networks, fuzzy logic, fuzzy neural networks and genetic algorithms are frequently used in financial predictions. Index value and Index direction predictions need to be highly sensitive and accurate to contribute the investors' decision-making processes. With the needs mentioned above, in this thesis, the value of the next day's BIST100 (XU100) Index, which is a general indicator and index of the stock market in Turkey, closing price and the direction is predicted. With BIST100's 5 variables, 46 technical indicators produced from these variables and 4 fundamental indicators, using Support Vector Regression, Decision Tree, Random Forest, Multiple Linear Regression and Polynomial Regression methods an application that predicts the next day's closing price and direction of BIST100 index is developed. The hybrid method was then extracted from the methods stated above. Finally the hybrid method was applied to real time data. In addition to the original data set, the models were also subjected to machine learning with a 7-day simple averaged data set and the amount of noise in the data was reduced. The integration of the two approaches increased the success of the hybrid model and reached a value of 0.993951 R2. In real time data prediction applied on 12.11.2018-07.12.2019, BIST100's direction is accurately estimated in 15 of the 18 days.

Benzer Tezler

  1. Yapay sinir ağlarının finansal zaman serilerinde öngörü başarısının incelenmesi: BİST 100 üzerine bir uygulama

    Analysis of the accuracy of artificial neural networks in financial time series: An application on BIST 100

    ASİL BURAK CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EkonometriBeykent Üniversitesi

    İşletme Yönetimi Ana Bilim Dalı

    PROF. DR. ÖZGÜR ÖMER ERSİN

  2. Political news and stock market reactions: Evidence from Turkey over the period 2008-2017

    Siyasi haberler ve hisse senedi piyasasındaki tepkiler: 2008-2017 döneminde Türkiye'den bulgu

    SLEIMAN KARIME

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    EkonomiAnadolu Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZLEM SAYILIR

  3. Kurumsal raporlamanın geleceği ve yeni raporlama modelinin geliştirilmesine yönelik öneriler

    Future of corporate reporting and new reporting model suggestions for developing

    MUSTAFA GÜNGÖR

    Doktora

    Türkçe

    Türkçe

    2020

    İşletmeGazi Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. AHMET AKSOY

  4. New model for forecasting financial data

    Finansal verilerin öngörüsü için yeni bir model

    ÖZGÜN SEYMEN UZUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Matematikİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BURCU TUNGA

  5. Yapay zekâ yöntemleriyle borsa endeksinin yönünün tahmini üzerine bir çalışma: Karşılaştırmalı analiz

    A study on the prediction of the direction of the stock market index with artificial intelligence methods: Comparative analysis

    MUSTAFA YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    MatematikHatay Mustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ OĞUZ KILIÇOĞLU